Shrinkage della covarianza Ledoit–Wolf: formula, target e rischio di portafoglio

Con \(T\) osservazioni dei rendimenti di \(N\) attività, la matrice campionaria \(S\) stima la varianza di ciascuna attività e la covarianza di ogni coppia usando la stessa storia limitata. Il numero di elementi distinti cresce all’incirca come \(N^2\). Se il numero di attività non è piccolo rispetto a quello delle osservazioni, molte stime individuali di covarianza contengono un notevole rumore campionario.

Questo rumore è particolarmente rilevante quando una procedura di portafoglio inverte la matrice. L’inversa può amplificare gli errori di stima: piccole variazioni nelle correlazioni stimate possono produrre grandi cambiamenti nei pesi ottimali. Nella consueta covarianza campionaria depurata della media, la matrice dei dati ha rango al massimo \(T-1\), quindi \(S\) è singolare quando \(N\geq T\). Può essere mal condizionata anche prima di diventare singolare. Ledoit e Wolf discutono questa difficoltà ad alta dimensionalità nel loro lavoro sulla stima di matrici di covarianza ben condizionate (200400096-4)).

Lo shrinkage aggiunge struttura alla stima campionaria rumorosa. È una scelta di regolarizzazione per un input di covarianza, non la prova che le attività seguano davvero il modello target e non un metodo per stimare i rendimenti attesi. Il problema più ampio di come gli autovalori della covarianza campionaria influenzino il rischio di portafoglio è collegato alla guida su autovalori e rischio finanziario.

Una forma lineare comune è

\[ \widehat{\Sigma}_{\mathrm{lin}}=(1-\widehat{\delta})S+\widehat{\delta}F,\qquad 0\leq\widehat{\delta}\leq1, \]

dove \(S\) è la covarianza campionaria, \(F\) un target strutturato e \(\widehat{\delta}\) l’intensità di shrinkage stimata. Con intensità zero la stima coincide con la matrice campionaria; con intensità uno coincide con il target. I valori intermedi formano una combinazione convessa.

La scelta di \(F\) stabilisce quali schemi lo stimatore considera abbastanza stabili da conservare. L’intensità determina il peso da assegnare a tale struttura rispetto ai dati campionari. Per un target e una funzione di perdita specificati, le procedure Ledoit–Wolf stimano l’intensità dai dati anziché richiedere una miscela arbitraria scelta a mano. Le formule plug-in esatte cambiano con il target e le ipotesi: non esiste un’unica \(\widehat{\delta}\), indipendente dal target, che definisca ogni metodo chiamato “Ledoit–Wolf”.

Il risultato originale ad alta dimensionalità con target identità è una combinazione convessa asintoticamente ottimale sotto una funzione di perdita quadratica e un determinato regime asintotico, non una garanzia universale per ogni campione o obiettivo (Ledoit e Wolf, 200400096-4)). La funzione di perdita e il target vanno quindi specificati quando si descrive lo stimatore.

Diversi stimatori correlati usano la stessa idea di combinazione, ma codificano strutture di covarianza diverse.

• Target a indice singolo: Un fattore di mercato spiega la co-movimentazione comune, mentre il modello gestisce la struttura residua. Ledoit e Wolf hanno proposto una combinazione pesata in modo ottimale tra la covarianza campionaria e quella di un modello a indice singolo per stimare la covarianza dei rendimenti azionari (200300007-0)).
• Target identità riscalata: Sulla diagonale pone un livello di varianza comune e fuori diagonale covarianze nulle. Avvicina gli autovalori a un centro comune e può migliorare il condizionamento, ma impone una struttura più forte, con varianze uguali e nessuna covarianza, rispetto al target a correlazione costante.
• Target a correlazione costante: Conserva ogni varianza campionaria e sostituisce le correlazioni tra coppie con un’unica correlazione media. Le volatilità delle attività possono rimanere diverse, mentre la struttura di dipendenza viene semplificata. L’articolo applicativo del 2004 sviluppa lo shrinkage verso questo target (Ledoit e Wolf, 2004).

Non bisogna ridurre queste versioni all’affermazione che “lo shrinkage Ledoit–Wolf porta sempre le correlazioni a zero”. A seconda di \(F\), il target può conservare la covarianza dovuta a un fattore comune, avvicinare gli autovalori alla media oppure spostare le correlazioni tra coppie verso la loro media trasversale. Anche la regolarizzazione applicata dopo aver combinato stime per coppia, per esempio in una procedura di covarianza asincrona, è una scelta di modellazione distinta.

Sia \(S_{ii}\) la varianza campionaria dell’attività \(i\) e \(s_i=\sqrt{S_{ii}}\). Per \(N\) attività, si calcola ciascuna correlazione campionaria \(\widehat{\rho}_{ij}=S_{ij}/(s_is_j)\), quindi si fa la media delle correlazioni uniche fuori diagonale:

\[ \bar{\rho}=\frac{2}{N(N-1)}\sum_{i<j}\widehat{\rho}_{ij}. \]

Il target a correlazione costante è definito da

\[ F_{ii}=S_{ii},\qquad F_{ij}=\bar{\rho}\,s_is_j\quad(i\ne j). \]

Il target conserva quindi le varianze campionarie sulla diagonale e assegna la stessa correlazione \(\bar{\rho}\) a ogni coppia di attività. La stima finale della covarianza combina questo target con la matrice campionaria originaria; non sostituisce tutte le volatilità con un unico valore comune. La costruzione del target e la sua intensità sono distinte dallo stimatore con target identità; l’implementazione degli autori indica che il target conserva le varianze campionarie e assegna una correlazione comune (implementazione di riferimento).

<!-- learn:illustration --> <!-- Conceptual image: three symmetric 3×3 covariance matrices keep their diagonal cells unchanged as distinct off-diagonal sample relationships move toward one shared constant-correlation target; not data or an estimate. -->

Supponiamo che una matrice di covarianza campionaria ipotetica, in punti percentuali al quadrato, sia

\[ S=\begin{bmatrix} 4&3&-2\\ 3&9&6\\ -2&6&16 \end{bmatrix}\%^{2}. \]

Le deviazioni standard campionarie sono \(2\%\), \(3\%\) e \(4\%\). Le correlazioni tra coppie sono \(3/(2\cdot3)=0.50\), \(-2/(2\cdot4)=-0.25\) e \(6/(3\cdot4)=0.50\). La loro media è

\[ \bar{\rho}=(0.50-0.25+0.50)/3=0.25. \]

Il target che ne risulta è

\[ F=\begin{bmatrix} 4&1.5&2\\ 1.5&9&3\\ 2&3&16 \end{bmatrix}\%^{2}. \]

Per mostrare soltanto il calcolo, scegliamo \(\delta=0.40\). È un valore didattico, non l’intensità Ledoit–Wolf stimata da queste osservazioni inventate:

\[ \widehat{\Sigma}=0.60S+0.40F= \begin{bmatrix} 4&2.4&-0.4\\ 2.4&9&4.8\\ -0.4&4.8&16 \end{bmatrix}\%^{2}. \]

La diagonale resta \(4,9,16\). La covarianza \((1,3)\) si sposta da \(-2\) verso il suo target, pari a \(2\): lo shrinkage non significa che ogni covarianza si avvicini a zero. Entrambe le matrici mostrate sono semidefinite positive, quindi lo è anche la loro combinazione convessa. L’esempio è ipotetico e illustra l’aritmetica, non rappresenta un target consigliato né una relazione di mercato osservata.

Con pesi uguali \(w=(1/3,1/3,1/3)^\top\), la varianza modellata è \(w^\top\Sigma w\). La somma dei nove elementi della matrice campionaria è \(43\), quindi

\[ w^\top S w=43/9\approx4.7778\ \%^{2}. \]

La somma degli elementi della matrice contratta a fini illustrativi è \(42.6\), perciò

\[ w^\top\widehat{\Sigma}w=42.6/9\approx4.7333\ \%^{2}. \]

Questa piccola differenza deriva meccanicamente dal cambiamento dell’input di covarianza. Non dimostra che la stima contratta preveda meglio la varianza realizzata. Anche un ottimizzatore di varianza minima può produrre pesi diversi, perché spesso usa sia i valori di covarianza sia l’inversa della matrice. In condizioni adeguate, lo shrinkage può ridurre la sensibilità di questi input al rumore campionario, pur modificando esposizioni e turnover.

Nei portafogli risk parity la covarianza influenza il contributo di ogni attività al rischio totale, non soltanto la varianza aggregata; consulta la guida alla contribuzione uguale al rischio. Se una stima del rischio viene poi usata per scalare la dimensione delle posizioni, come nel volatility targeting, l’orizzonte del target e la distinzione tra rischio realizzato e previsto richiedono comunque un trattamento separato.

Lo shrinkage lineare usa un’unica intensità scalare per combinare l’intera matrice campionaria con un target scelto. Nel caso del target identità, l’interpretazione in termini di autovalori è che quelli campionari vengono avvicinati a un centro comune, mantenendo i vettori propri campionari. Questo può stabilizzare uno spettro rumoroso, ma lo stesso peso di combinazione limita quanto diversamente possano muoversi i singoli autovalori.

Lo shrinkage non lineare trasforma invece gli autovalori campionari uno per uno, mantenendo in genere i vettori propri campionari in uno stimatore equivarante per rotazione. Nel loro lavoro del 2012, Ledoit e Wolf sviluppano trasformazioni non lineari degli autovalori per stimare covarianze ad alta dimensionalità (2012). Il loro studio sulla selezione di portafoglio considera uno stimatore calibrato per quell’obiettivo (2017). Questi metodi non sono la combinazione lineare scalare mostrata sopra e non vanno descritti come se lo fossero.

Uno stimatore più flessibile può adattarsi con maggiore precisione alla struttura di covarianza sotto le proprie ipotesi, ma la flessibilità aggiuntiva non lo rende automaticamente preferibile per ogni universo o finestra. Confronta lo stimatore specifico, le ipotesi, il calcolo e il comportamento fuori campione. Anche una trasformazione degli autovalori non prevede un futuro regime di correlazione.

Lo shrinkage aggiunge struttura per ridurre la varianza di stima, ma quella struttura può essere errata. Un target a indice singolo può ignorare i rapporti tra settori o stili; un target a correlazione costante può ignorare i cluster; un’identità riscalata può sopprimere covarianze reali. Un cambio di regime, variazioni nelle esposizioni ai fattori o osservazioni non sincrone possono rendere il target di una finestra storica poco rappresentativo del periodo successivo. Il metodo non rende indipendenti né stazionarie le osservazioni dei rendimenti.

L’affermazione sulla semidefinitezza positiva è condizionata. Se \(S\) e \(F\) sono entrambe semidefinite positive e \(0\leq\delta\leq1\), anche la loro combinazione convessa è semidefinita positiva. Ciò non garantisce da solo la definita positività: il target può avere autovalori nulli oppure il suo peso può essere zero. L’eliminazione a coppie delle osservazioni mancanti, usando date diverse per coppie di attività diverse, può inoltre produrre una matrice campionaria \(S\) non semidefinita positiva. In tal caso l’argomento basato sulla convessità non vale, a meno che l’input non venga corretto o sostituito.

Indica la definizione dei rendimenti, la frequenza di campionamento, la finestra di osservazione, la regola per i dati mancanti, il trattamento della media, il target e la procedura per stimare l’intensità. Quando opportuno, allinea tutte le attività usando lo stesso schema di osservazione. Non scegliere il target perché produce il backtest più attraente sugli stessi dati usati per valutarlo: anche la scelta del target e la progettazione del portafoglio sono decisioni di ricerca.

Una valutazione utile fissa l’universo di attività, l’orizzonte dei rendimenti, la regola di ribilanciamento e il limite informativo, quindi confronta la matrice campionaria, lo stimatore di shrinkage scelto e un benchmark pertinente sulle stesse finestre di addestramento. Valuta le previsioni di covarianza rispetto a una misura realizzata successiva oppure le previsioni di portafoglio su periodi tenuti da parte. Riporta la funzione di perdita e il trattamento degli errori di varianza rispetto a quelli di covarianza. Un errore di matrice inferiore in-sample secondo una funzione di perdita non implica necessariamente stime future del rischio di portafoglio migliori secondo un’altra.

Per un’applicazione di portafoglio, riporta anche l’effetto su pesi, concentrazione, turnover, vincoli e costi di transazione stimati. La matrice di covarianza è solo uno degli input decisionali: rendimenti attesi, finanziamento, limiti di rischio e ipotesi di esecuzione possono cambiare il portafoglio risultante. Un numero di condizionamento inferiore è una proprietà della matrice, non una garanzia di rendimento o rischio realizzato.

L’errore di stima della matrice e l’errore della decisione di portafoglio non si valutano necessariamente con lo stesso punteggio. Una perdita che somma gli errori quadratici su tutti gli elementi tratta ogni coppia di attività allo stesso modo; la varianza \(w^\top\Sigma w\) di pesi specifici assegna invece un peso diverso a ciascuna varianza e covarianza in base all’esposizione del portafoglio. Prima stabilisci se lo scopo della ricerca è ricostruire la matrice o prevedere uno specifico budget di rischio, poi dichiara il criterio di valutazione appropriato. L’intensità di shrinkage scelta per un obiettivo non è necessariamente ottimale per l’altro.

Quando dividi i periodi di valutazione, verifica anche che i dati usati per stimare intensità, universo di attività e iperparametri fossero disponibili solo prima della data di valutazione. Stimare l’intensità sull’intero campione e poi misurare la performance su un periodo storico può introdurre informazioni future nella selezione. In una valutazione rolling, ricalcola ogni volta lo stimatore usando soltanto i dati disponibili fino a quel momento e annota la lunghezza della finestra e l’intervallo di ribilanciamento. Se usi una proxy della covarianza realizzata, specifica se il periodo di previsione si sovrappone o riutilizza le stesse osservazioni.

L’interpretazione più difendibile resta circoscritta: i metodi Ledoit–Wolf offrono modi basati sui dati per combinare una covarianza campionaria rumorosa con un target o una trasformazione scelti. Il risultato è utile solo nella misura in cui target, ipotesi di campionamento e valutazione corrispondono al problema di rischio previsto. È una stima della struttura di covarianza, non un segnale di trading autonomo né una promessa di sovraperformance.